基于TSSA-SVR模型的焦炭质量预测模型研究

摘要

焦炭质量对高炉冶炼的生产有着极大影响,建立精确度高、适应性好的焦炭质量预测模型对企业生产具有重要意义。为解决生产过程中焦炭质量难以实时测量的问题,提出一种基于混沌麻雀搜索算法(TSSA)优化支持向量回归机(SVR)的焦炭质量预测模型。首先采用改进Tent混沌映射初始化种群,加强麻雀搜索算法(SSA)的全局搜索能力,然后利用TSSA模型对SVR模型的参数进行优化,有效克服了传统SVR模型的参数选取问题。选取配合煤中的水分、灰分、挥发分等七项指标作为模型的输入,焦炭质量中的抗碎强度、耐磨强度、反应性、反应后强度四项指标作为模型的输出,依据焦化厂历史生产数据,对TSSA-SVR模型进行实例验证,并与SSA-SVR模型、SVR模型进行对比分析,实验结果表明,提出的方法具有较好的准确度和适应性,对焦炭生产具有一定的实用价值。